| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-28页 |
| ·引言 | 第14页 |
| ·目标识别方法综述 | 第14-17页 |
| ·本文研究意义 | 第17页 |
| ·神经网络的发展及在目标识别中的应用 | 第17-24页 |
| ·影响识别结果的几个问题的讨论 | 第24-25页 |
| ·本文研究的主要内容 | 第25-28页 |
| 第二章 基于模糊理论的阈值选取方法研究 | 第28-45页 |
| ·图像分割技术综述 | 第28-31页 |
| ·模糊理论简述 | 第31-33页 |
| ·模糊分割 | 第33-37页 |
| ·模糊阈值法回顾 | 第33-34页 |
| ·模糊阈值法基本原理 | 第34页 |
| ·模糊程度的度量 | 第34-37页 |
| ·隶属函数的构造 | 第37-42页 |
| ·实验仿真 | 第42-45页 |
| 第三章 基于图像矩特征的神经网络目标识别方法的研究 | 第45-67页 |
| ·BP 网络的学习过程 | 第46-50页 |
| ·前馈神经网络的设计 | 第50-55页 |
| ·初始权值的优化选择 | 第50-51页 |
| ·隐层数和隐层节点的选择 | 第51-52页 |
| ·BP 算法的改进 | 第52-53页 |
| ·实验讨论 | 第53-55页 |
| ·图像的特征及特征提取方法介绍 | 第55-58页 |
| ·基于不变矩的特征提取方法分析 | 第58-61页 |
| ·实验仿真与讨论 | 第61-67页 |
| 第四章 基于主元神经网络的特征向量提取 | 第67-86页 |
| ·主元分析方法概述 | 第67-70页 |
| ·主元分析方法的理论与原理 | 第70-74页 |
| ·求解主分量的数学方法 | 第74页 |
| ·基于神经网络的主元分析方法的研究 | 第74-79页 |
| ·基于主元神经网络的主分量提取的实现 | 第79-81页 |
| ·实验分析 | 第81-86页 |
| ·实验一降维实验 | 第81-83页 |
| ·实验二以主分量为特征向量的神经网络识别实验 | 第83-84页 |
| ·实验结论 | 第84-86页 |
| 第五章 目标的定位 | 第86-96页 |
| ·目标定位方法概述 | 第86-90页 |
| ·基于神经网络的目标定位方法研究 | 第90-92页 |
| ·实验讨论 | 第92-96页 |
| ·实验一 | 第92-93页 |
| ·实验二 | 第93-95页 |
| ·实验三 | 第95-96页 |
| 第六章 总结与展望 | 第96-100页 |
| ·总结 | 第96-97页 |
| ·展望 | 第97-100页 |
| 参考文献 | 第100-108页 |
| 致谢 | 第108-110页 |
| 作者简历 | 第110-111页 |
| 作者在攻读博士学位期间发表的论文及科研情况 | 第111-113页 |